OCR PDF

Extrait du texte consultable à partir de scans.

Guide et FAQ

À propos de cet outil

Transformez des PDF scannés et des documents image-only en fichiers recherchables et copiables - reconnaissez le texte dans votre navigateur avec Tesseract.js, sans envoyer les pages vers une ferme OCR cloud. Choisissez les langues, lancez la reconnaissance localement et téléchargez un PDF avec une couche de texte invisible alignée sur le scan visible. Gratuit, sans compte. Indispensable pour contrats d'archives, formulaires administratifs et PDF de recherche où vous avez besoin de Ctrl+F, copier-coller ou d'un passage ultérieur PDF vers Word.

What you get
  • Résultat : PDF avec une couche de texte invisible sur chaque page - recherche et copie fonctionnent dans Acrobat, Preview et les navigateurs.
  • Moteur : Tesseract LSTM exécuté localement via WebAssembly - pas d'API OCR tierce par défaut.
  • Langues : packs multilingues combinés avec + - la précision dépend des données d'entraînement pour chaque script.
  • Visuel : l'apparence de la page reste celle du scan ; l'OCR ne retape pas ni ne corrige automatiquement les marges inclinées.
  • Écriture manuscrite : cursive et signatures échouent souvent ou partiellement - l'impression dactylographiée fonctionne le mieux.
  • Limites : grands scans à 300 dpi prennent du temps sur les ordinateurs anciens ; texte très pâle ou bruit important réduit la précision.
Quand l'utiliser
  • Rendre recherchable une archive papier héritée sans envoyer des volumes à un prestataire OCR externe.
  • Préparer des contrats scannés pour PDF vers Word quand le texte natif n'est pas disponible.
  • Permettre copier-coller depuis des PDF administratifs qui sont techniquement des images.
  • Indexer des dossiers de réunion numérisés pour des bases de connaissances internes.
Why JoyPDF for this

Les services OCR cloud envoient chaque page - signatures, numéros de compte et paragraphes classifiés inclus - pour reconnaître le texte à distance. L'OCR JoyPDF s'exécute entièrement dans votre navigateur : pixels et chaînes reconnues restent sur l'appareil pendant le traitement. Vous choisissez explicitement les langues au lieu d'un serveur qui devine. Cela convient au RGPD, au secret professionnel et aux workflows quasi isolés où tout transfert sortant de documents est interdit.

Comment l'utiliser
  1. 1Ajouter votre PDF scannéDéposez le fichier ou sélectionnez-le sur votre appareil. Les pages se chargent localement - pas de file OCR côté serveur.
  2. 2Choisir les langues OCRSélectionnez les langues de reconnaissance - par ex. anglais, polonais, ou eng+pol combiné pour des scans bilingues.
  3. 3Lancer la reconnaissanceJoyPDF traite chaque page sur votre appareil ; la progression s'affiche page par page car l'OCR est gourmand en CPU.
  4. 4Télécharger le PDF recherchableEnregistrez le fichier OCR - visuellement proche du scan mais avec du texte sélectionnable et recherchable en dessous.

Questions fréquentes

Quelles langues l'OCR JoyPDF prend-il en charge ?
JoyPDF utilise les packs de langues Tesseract que vous sélectionnez - scripts latins courants (anglais, polonais, allemand, français, espagnol, etc.) et bien d'autres selon les traineddata disponibles. Combinez les langues avec + pour les documents bilingues, par ex. pol+eng pour un corps polonais avec titres anglais. Un mauvais choix de langue produit une reconnaissance incohérente - alignez-vous sur le document, pas sur la locale de votre interface. Les scripts rares ou le texte vertical mixte peuvent nécessiter un OCR desktop spécialisé si les résultats JoyPDF sont insuffisants. Les données de langue téléchargées se chargent dans la session du navigateur ; elles ne repartent pas avec votre PDF.
Quelle précision par rapport à Adobe en navigateur ?
Des scans de bureau propres à 200-300 dpi avec texte dactylographié horizontal atteignent souvent une haute précision - suffisante pour la recherche et un copier-coller approximatif. Photos de téléphone inclinées, tampons sur le texte, tableaux avec lignes et notes de bas de page réduisent la précision dans tout moteur. JoyPDF ne battra pas une ressaisie humaine d'une clause critique - vérifiez toujours les chaînes juridiques et médicales. L'OCR cloud Adobe peut légèrement devancer sur les mises en page difficiles mais exige un envoi. Pour la recherche interne sur de gros volumes, les compromis de l'OCR local gagnent souvent sur la confidentialité.
L'OCR modifie-t-il l'apparence visuelle de mon PDF ?
L'image du scan reste la couche visible - l'OCR ajoute une couche de texte invisible en dessous pour la recherche et la sélection. Vous ne devriez pas voir de changement de police sur la page sauf si votre lecteur surligne le texte OCR. La taille du fichier peut augmenter modestement via les flux de texte intégrés. Si vous avez besoin d'un document retapé propre, OCR puis PDF vers Word convient mieux que d'attendre qu'OCR seul remplace visuellement le scan. Le caviardage après OCR passe par Caviarder PDF - l'OCR ne supprime pas les pixels sensibles.
Mon PDF scanné est-il envoyé pendant l'OCR ?
Non. La reconnaissance s'exécute localement avec Tesseract.js en WebAssembly. Les images de pages sont traitées en mémoire sur votre appareil ; les serveurs JoyPDF ne reçoivent pas les octets du document pour l'OCR. Les fichiers de modèles linguistiques se téléchargent depuis un CDN comme toute dépendance WASM - pas le contenu de votre document. Vérifiez avec des outils réseau si la conformité exige une preuve. Fermez l'onglet après export sur les machines partagées car la sortie OCR peut contenir des PII extraites dans la couche de texte.
Puis-je OCR un PDF puis le convertir en Word ?
Oui - c'est un pipeline courant. Les PDF scannés manquent de structure pour PDF vers Word tant qu'OCR n'a pas ajouté de texte. Lancez d'abord OCR PDF pour du texte recherchable, puis PDF vers Word pour des paragraphes éditables - ou activez les options OCR-first dans PDF vers Word quand proposé. Un double OCR aide rarement. Pour les formulaires avec cases à cocher, attendez-vous à un nettoyage manuel dans Word. Si seule la recherche compte, OCR seul suffit sans conversion Word.
Pourquoi l'OCR est-il lent sur mon ordinateur ?
L'OCR est gourmand en CPU : chaque page est analysée à la résolution d'image intégrée au scan. Un livre de 200 pages à 300 dpi peut prendre de longues minutes sur un portable ancien - normal, pas un bug. Fermez d'autres onglets pour libérer la RAM. Découpez le PDF et OCR les chapitres séparément si l'onglet plante. Les callbacks de progression affichent l'état page par page. Un matériel plus rapide aide plus que de relancer. Un traitement nocturne sur bureau bat un navigateur mobile pour d'énormes archives.

About · Blog · Privacy